Group Sequential Sample Size for Comparing Two Survival Probabilities at a Specific Time Point
比较指定时点两组生存概率的组序贯样本量设计AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要聚焦临床生存概率检验与组序贯样本量规划，未明确涉及所列计量细分中的识别或估计问题。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
比较指定时点两组生存概率的组序贯样本量设计
- 研究问题
- 论文研究比较预设时点的两组生存概率时，如何同时确定样本量并控制一类错误，适配固定设计、期中分析和非比例风险情形。
- 方法与思路
- 作者提出固定与组序贯试验的样本量方法，通过改变生存差异、失败分布、删失比例和目标功效开展模拟，并提供交互计算应用。
- 材料陈述的贡献
- 摘要称方法在多种模拟设置中表现一致，并可用于延迟治疗效应或生存曲线交叉的试验；以肾癌和前列腺癌场景展示设计用途。
- 阅读关注点
- 应核对指定时点生存概率的估计、组序贯统计量的联合分布、错误支出规则，以及删失条件、各次分析信息量与样本量公式。
- 阅读边界
- 这是 arXiv 预印本，不能据此认定已同行评审或期刊接收；摘要未给出公式与完整误差控制条件，模拟表现不支持任意分布下的保证。
原文摘要
We propose a novel method that simultaneously determines the sample size for testing two survival probabilities at a pre-specified ltime while guaranteeing type I error control in both fixed and group-sequential trial designs. Simulations across varying hypothesized differences, failure distributions, censoring proportions, and nominal powers demonstrate consistent performance, while interim analyses highlight reduced type I error and increased power at each look, regardless of the underlying failure time distribution or spending function. Importantly, our method is especially useful for evaluating survival outcomes at a fixed time in randomized trials where one treatment arm includes neoadjuvant therapy prior to surgery while the other involves surgery alone. Furthermore, it is advantageous when the proportional hazards assumption is not satisfied, as often occurs in immunotherapy trials with delayed or time-varying treatment effects or crossing survival curves. The method is also applicable to randomized phase II trials, where smaller sample sizes and the use of intermediate or surrogate time-to-event endpoints demand efficient data use and robust error control. We illustrate the approach with motivating examples in renal and prostate cancer. An accompanying R Shiny application enables investigators to compute sample sizes interactively, facilitating practical trial planning in diverse settings.